汽車行業(yè)已被互聯(lián)網(wǎng)深度包圍,并且這個過程正在加速。去年樂視汽車UI系統(tǒng)已經(jīng)亮相;百度在去年也對外披露了無人駕駛汽車計劃,李彥宏在今年兩會期間透露開始著手研究智能汽車,或?qū)⒂诮衲晖瞥鲆豢钭灾餮邪l(fā)的智能汽車;昨日阿里巴巴宣布與上汽合作的互聯(lián)網(wǎng)汽車或?qū)⒃?016年面世?;ヂ?lián)網(wǎng)企業(yè)造車這件事,看上去已經(jīng)不再瘋狂,下一個風(fēng)口就要來臨?
互聯(lián)網(wǎng)企業(yè)造車戰(zhàn)略各不同
不同的互聯(lián)網(wǎng)企業(yè),其切入汽車市場的角度并不一樣,他們會根據(jù)自己的特點與基因來制定戰(zhàn)略。
對于樂視而言,在汽車行業(yè)的布局是其生態(tài)戰(zhàn)略的一部分。樂視正在建造一個以“視頻”為核心,呈現(xiàn)為“平臺+內(nèi)容+終端+應(yīng)用”的重度垂直模式。樂視車聯(lián)網(wǎng)CEO何毅曾表示,會把垂直整合生態(tài)模式復(fù)制到汽車行業(yè)。
百度造車,更多是因為其在人工智能上的優(yōu)勢。百度方面在回應(yīng)此事的時候稱:“百度不會自己做硬件,這不是我們的優(yōu)勢。我們優(yōu)勢還是在于地圖、圖像處理技術(shù)以及未來的人工智能方面,這是傳統(tǒng)廠商很難做到的。”
阿里巴巴與上汽今天宣布合資設(shè)立10億元的“互聯(lián)網(wǎng)汽車基金”,雙方成立的合資公司將整合雙方資源開發(fā)YunOS 車載系統(tǒng)(YunOS for Car),建立軟硬件平臺和應(yīng)用服務(wù),搭建圍繞互聯(lián)網(wǎng)汽車的云計算和大數(shù)據(jù)平臺。阿里的電商、金融、數(shù)字娛樂、地圖、通訊、YunOS等業(yè)務(wù),都將整合到互聯(lián)網(wǎng)汽車項目中,這是阿里的核心優(yōu)勢。
包括蘋果在內(nèi),他們?yōu)槭裁匆燔嚕?/strong>
《汽車商業(yè)評論》總編賈可表示,互聯(lián)網(wǎng)企業(yè)看中的是未來的車聯(lián)網(wǎng)環(huán)境。“其實車載設(shè)備主要是提供地圖、導(dǎo)航等功能,這些很大程度已經(jīng)被智能手機取代,從這個角度,整車可能是互聯(lián)網(wǎng)企業(yè)更好的入口。”
確實,在手機之后,汽車將是下一個龐大市場。
美國主流網(wǎng)絡(luò)媒體BusinessInsider旗下的市場研究咨詢機構(gòu)“BIIntelligence”,根據(jù)投資銀行摩根士丹利公司的數(shù)據(jù),制作了一張柱狀圖,對于個人電腦、智能手機和汽車三大市場的銷售量和銷售金額規(guī)模,進行了對比。
這張圖非常有名,從此圖可以看出,汽車市場的銷售規(guī)模可以和智能手機分庭抗禮。這也是為什么蘋果要做汽車的原因。2016年,蘋果的銷售收入預(yù)計將達2365.4億美元,如果蘋果想要保持持續(xù)增長,必須尋找到下一個容量龐大的市場,汽車市場是很不錯的選擇。消息稱,蘋果的自動駕駛汽車將在2020年上市。
互聯(lián)網(wǎng)企業(yè)造車難點在哪里?
盡管一切都是理所當(dāng)然的事情,但是互聯(lián)網(wǎng)企業(yè)造車有很多難點需要克服。比如互聯(lián)網(wǎng)企業(yè)提出的整合能力與辦法、自主制造體系的建設(shè),均是互聯(lián)網(wǎng)造車必須要經(jīng)歷的重大技術(shù)難題。甚至有分析人士認為互聯(lián)網(wǎng)造車是一種“天價的賭博”。
通用汽車前CEO丹尼爾·艾克森指出,汽車制造行業(yè)不僅有著極高的安全要求,還要面臨更嚴格的監(jiān)管措施,困難程度超過人們的想象,“顯然,很多人都低估了這個行業(yè)。如果我是蘋果的股東,我會對這家公司進入低利潤率、重工業(yè)制造業(yè)務(wù)的前景產(chǎn)生極大懷疑。”
所以,如果不能足夠理解、熟悉汽車這個傳統(tǒng)行業(yè),要造出一輛汽車來并不容易。于是樂視與北汽合作、阿里與上汽合作,百度也與未透露名字的汽車企業(yè)合作,這是明智的選擇。而備受期待的谷歌、蘋果正在研發(fā)的自動駕駛汽車,必將投入重金來打造,而互聯(lián)網(wǎng)汽車鼻祖企業(yè)特斯拉則是突破了重重困難才有了今天的成績。
在造車這件事上,互聯(lián)網(wǎng)企業(yè)還需要更加的瘋狂,才能迎來下一個風(fēng)口!
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。